A Inteligência Artificial (IA) Industrial deixou de ser uma promessa futurista para se tornar um diferencial competitivo imediato. Em ambientes industriais, que exigem engenharia de alta precisão, confiabilidade e rastreabilidade, a IA deve operar de forma integrada a sistemas de produção complexos [1]. No entanto, muitas organizações enfrentam o desafio de passar de projetos experimentais ("pilotos") para implementações escaláveis que geram valor real [2].
Este curso intensivo de 30 horas foi desenhado para profissionais que precisam de conhecimentos práticos para integrar IA Industrial em diversos setores e acelerar a transformação digital. Inspirado em programas de excelência como o Strategy, Survival, and Success in the Age of Industrial AI do MIT Sloan Executive Education [2] e o Industrial AI in Manufacturing da A*STAR Singapore [1], o currículo foca nos casos de uso de maior retorno sobre o investimento (ROI), como manutenção preditiva e controle de qualidade [3].
Referências
[1] Lee, J. (2020). Industrial AI: Applications with Sustainable Performance. Springer Singapore. https://doi.org/10.1007/978-981-15-2143-0
[2] Escobar, C. A., & Morales-Menendez, R. (2024). Machine Learning in Manufacturing: Quality 4.0 and the Zero Defects Vision. Elsevier. https://doi.org/10.1016/B978-0-323-99029-5.00001-X
[3] Hosseinzadeh, A., Chen, F. F., Shahin, M., & Bouzary, H. (2023). A predictive maintenance approach in manufacturing systems via AI-based early failure detection. Manufacturing Letters, 35(Supplement), 1179-1186. https://doi.org/10.1016/j.mfglet.2023.08.125
O objetivo principal é equipar os participantes com o conhecimento prático necessário para entender, identificar e aplicar soluções de IA em contextos de manufatura, acelerando a jornada da experimentação para a implantação em escala.
Ao final do curso intensivo, os participantes estarão aptos a:
- Identificar oportunidades viáveis de aplicação de IA Industrial em suas linhas de produção, priorizando projetos com base em impacto e viabilidade técnica [1].
- Compreender os requisitos de infraestrutura de dados, sensores (IoT) e conectividade necessários para suportar algoritmos avançados de Machine Learning no chão de fábrica [3].
- Projetar fluxos de trabalho de análise preditiva, com foco em manutenção preditiva e redução de tempo de inatividade não planejado [3].
- Aplicar conceitos de visão computacional para automatizar e aprimorar processos de controle de qualidade e inspeção de defeitos.
- Desenvolver um roadmap estratégico para a adoção de IA que se integre perfeitamente às metodologias de excelência operacional existentes (Lean, Six Sigma) [2].
Líderes de operações, engenheiros de processo, gerentes de produção, profissionais de dados e responsáveis por transformação digital na indústria.
As aulas serão realizadas ao vivo pela plataforma Zoom, com foco na interação em tempo real entre alunos e professor. Nesse formato, não haverá disponibilização de gravações.
![Marco Aurelio Cavalcanti Pacheco](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0000\\00000695.jpg" class="img-docente" loading="lazy" /><br>', 'Marco Aurelio Cavalcanti Pacheco', '<p class="MsoNormal">Marco Aurélio Cavalcanti Pacheco é Engenheiro Eletrônico e
Mestre em Engenharia Elétrica pela PUC-Rio e PhD em Computer Science pelo University
College of London (1991). Desde 1977, é professor da Pontifícia Universidade
Católica do Rio de Janeiro e, desde 1992, é diretor do Laboratório de
Inteligência Computacional Aplicada, ICA. <o:p></o:p></p>
<p class="MsoNormal">Suas áreas de interesse de pesquisa incluem: Inteligência Artificial,
Métodos de Apoio à Decisão e Nanotecnologia. Propôs a Área de Concentração em
Nanotecnologia, criada em 2007 no Programa de Pós-Graduação do Departamento de
Engenharia Elétrica da PUC-Rio e, junto com pesquisadores do CTC da PUC-Rio,
liderou a criação do primeiro programa de Engenharia em Nanotecnologia da
América Latina. Em 2007, criou a
primeira pós-graduação lato sensu em Inteligência Artificial no Brasil,
Business Intelligence Master.<o:p></o:p></p>
<p class="MsoNormal">Suas áreas de interesse de pesquisa incluem: Inteligência
Artificial e Nanotecnologia. Já orientou 60 dissertações de Mestrado e 29 teses
de Doutorado, coordenou mais de 50 projetos de P&D nas áreas de óleo e gás
e energia elétrica e publicou 61 artigos em periódicos internacionais e mais de
300 artigos em conferências. Já ganhou cinco Prêmios Petrobras de Tecnologia e
um Prêmio Santander Universidades - Ciência e Inovação<o:p></o:p></p>', '');){kind=link}
![Leonardo Alfredo Forero Mendonza](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0040\\00408721.jpg" class="img-docente" loading="lazy" /><br>', 'Leonardo Alfredo Forero Mendonza', 'Possui graduação em engenharia eletrônica - Universidade Pontifícia Bolivariana (2002), mestrado em engenharia de telecomunicações pela Universidade Federal Fluminense (2009) e Doutorado em Engenharia Elétrica pela Pontifícia Universidade Católica do Rio de Janeiro (2013). Atualmente é pesquisador vinculado da Pontifícia Universidade Católica do Rio e professor do BI-Master da PUC-Rio. Tem experiência na área de inteligência artificial, atuando principalmente nos seguintes temas: NLP, neural network, glottal, pathology e recognition voice. Possui 10 anos de experiência como supervisor gerente e coordenador em projetos P&D.', '');){kind=link}
![Manoela Rabello Kohler](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0044\\00442113.jpg" class="img-docente" loading="lazy" /><br>', 'Manoela Rabello Kohler', 'Profissional com mais de 10 anos de experiência como pesquisadora, desenvolvedora e coordenadora de equipes em projetos de Pesquisa e Desenvolvimento. Especialista em métodos de apoio à decisão. Possui graduação em Engenharia de Computação pela Pontifícia Universidade Católica do Rio de Janeiro (2011), Mestrado em Engenharia Elétrica (linha de pesquisa: Métodos de Apoio à Decisão) na Pontifícia Universidade Católica do Rio de Janeiro (2013) e Doutorado em Engenharia Elétrica (linha de pesquisa: Métodos de Apoio à Decisão) na Pontifícia Universidade Católica do Rio de Janeiro (2017). Atualmente é pesquisadora sênior no Laboratório de Inteligência Computacional Aplicada e professora da PUC-Rio, ministrando aulas no curso de pós-graduação BI-Master (MBA) e cursos de extensão em Inteligência Artificial.', '');){kind=link}